算力芯片行业深度研究报告_算力革命叠浪起_国产GPU奋楫笃行_35页_2mb

算力芯片行业深度研究报告总结

核心内容

本报告深入分析了算力芯片行业，尤其是GPU在AI大模型训练和推理中的关键作用。随着人工智能的快速发展，算力成为推动AI技术进步的核心资源，GPU凭借其强大的并行计算能力和成熟的开发生态，成为当前AI计算加速芯片的主力。报告指出，未来AI大模型将向多模态、强推理、数据合成等方向演进，对算力需求将持续增长。

主要观点

• GPU并行计算能力：GPU具有大量计算单元，适合并行处理任务，是AI训练和推理的理想选择。相比CPU，GPU在处理海量数据时效率更高，显著缩短了模型训练时间。
• AI算力需求增长：大模型发展遵循Scaling Law法则，其性能提升高度依赖算力供给。随着大模型在多个领域的应用落地，算力需求呈现指数级增长。
• 英伟达占据主导地位：英伟达凭借先进的GPU产品和CUDA生态，在全球数据中心GPU市场占据绝对优势。其GB200和GB300在训练和推理性能上大幅领先。
• 美国出口限制推动国产替代：美国对高端GPU的出口管制促使国内厂商加速发展，寒武纪、海光信息、摩尔线程和沐曦股份等企业正逐步缩小与国际领先企业的差距。
• 国产GPU技术路径各异：寒武纪、海光信息、摩尔线程和沐曦股份分别依托不同技术背景和产品路线，正在构建自主可控的算力生态。

关键信息

GPU在AI中的核心地位

• GPU适用于AI的训练与推理任务，其并行计算能力使其在大模型发展过程中扮演重要角色。
• CUDA编程工具降低了AI开发门槛，成为英伟达构建竞争壁垒的重要因素。

国内GPU厂商发展现状

• 寒武纪：聚焦AI芯片研发，其MLU590和MLU370-X4等产品在性能、功耗和能效方面表现突出，2024年Q4实现单季度盈利。
• 海光信息：以CPU和DCU双线发展，其深算三号产品进展顺利，已与多个行业头部企业实现广泛适配，2021年实现全年盈利。
• 摩尔线程：以通用GPU产品为主，产品线覆盖多个市场，目前仍处于商业化落地前期，预计2027年实现盈利。
• 沐曦股份：主打全栈GPU产品，曦云C500已实现量产，2026年有望实现盈利。

市场规模与趋势

• 全球GPU市场：预计2029年市场规模将达36,119.74亿元，年均复合增长率约56.7%。
• 中国GPU市场：2024年市场规模达1,638.17亿元，其中AI智算GPU增速显著，预计2029年达10,333.40亿元，占全球市场的37.8%。
• AI智算GPU：在数据中心、边缘计算和云计算等场景中占据主导地位，是未来算力需求增长的核心。

海外AI巨头动向

• 谷歌：2025年月度Token调用量从480万亿增至1300万亿，AI投入产出实现闭环。
• 英伟达：2025年Q3数据中心营收达512.2亿美元，同比增长66.4%，其GB200和GB300在AI训练和推理性能上显著提升。
• 微软：与英伟达签署战略合作协议，推动Azure云平台AI发展，加大算力基础设施投入。
• OpenAI：获得英伟达1000亿美元投资，用于建设10GW AI数据中心。

投资建议

• 关注算力芯片设计：寒武纪、海光信息、摩尔线程、沐曦股份等企业，其技术路线和产品布局具有差异化竞争优势。
• 关注算力芯片代工：中芯国际、华虹公司等代工厂在GPU制造中发挥重要作用，为国产芯片提供关键支持。

风险提示

• 下游需求不及预期：AI应用的商业化进程可能受技术或市场因素影响。
• 国产替代进展不及预期：国内厂商在技术、生态和市场拓展方面可能面临挑战。
• 代工供应风险：GPU制造依赖先进设备和材料，代工厂产能和良率可能影响整体行业发展。

行业数据

• 股票家数：493只，占整体市场0.06%。
• 总市值：137,017.88亿元，占整体市场11.38%。
• 流通市值：107,123.63亿元，占整体市场11.07%。
• 市场表现：1M增长10.1%，6M增长43.9%，12M增长40.1%。
• 相对表现：1M增长6.3%，6M增长24.1%，12M增长22.6%。

附录：图表目录

• 图表1：GPU有更多核心去进行数据处理
• 图表2：GPU加速效果远超CPU
• 图表3：GPU占服务器成本百分比
• 图表4：主要AI计算加速芯片种类对比表
• 图表5：GPU产业链
• 图表6：2020-2029年全球GPU市场规模
• 图表7：2020-2029年中国GPU市场规模
• 图表8：2020-2029年中国AI智算GPU市场规模
• 图表9：多项基准测试中AI的技术表现与人类表现对比
• 图表10：Scaling law法则依然有效
• 图表11：训练和推理算力需求持续提升
• 图表12：Gemini3与其他AI产品能力对比
• 图表13：OpenRouter平台模型token调用量
• 图表14：谷歌Token调用量增长示意图
• 图表15：谷歌第三季度主要部门业绩指标
• 图表16：北美科技巨头资本开支快速上行
• 图表17：海外大厂关于capex指引及描述
• 图表18：2025年北美AI头部企业投资与战略合作关系一览
• 图表19：GPU核心参数
• 图表20：英伟达总营收
• 图表21：英伟达数据中心营收
• 图表22：英伟达硬件产品参数对比
• 图表23：CUDA构架示意图
• 图表24：CUDA的组成部分
• 图表25：华为昇腾系列产品
• 图表26：寒武纪MLU370
• 图表27：寒武纪智能处理器架构示意图
• 图表28：海光信息产品示意图
• 图表29：海光软件栈示意图
• 图表30：摩尔线程主要产品分类
• 图表31：摩尔线程MTTS4000
• 图表32：MUSA架构示意图
• 图表33：沐曦股份产品分类
• 图表34：沐曦股份曦云C500
• 图表35：MXMACA模型软件栈框架结构
• 图表36：各公司创始团队/核心团队来源梳理
• 图表37：国产GPU上市公司收入情况分析
• 图表38：GPU上市公司毛利率情况
• 图表39：寒武纪及海光信息净利率情况

报告亮点

• Scaling Law：大模型性能提升依赖算力供给，GPU作为主要算力来源，推动AI技术不断突破。
• CUDA生态：英伟达通过CUDA编程工具构建了强大的软件生态，成为AI算力基础设施的“卖铲人”。
• 国产替代路径：国内GPU厂商在技术、产品和商业化方面各有侧重，有望在未来实现突破。

结论

随着AI大模型的发展和算力需求的持续增长，GPU作为核心计算设备，将在AI基础设施中占据重要地位。英伟达凭借其领先的技术和生态优势，继续主导全球市场。然而，美国的出口限制也推动了国内GPU厂商加速发展，寒武纪、海光信息、摩尔线程和沐曦股份等企业正逐步实现技术突破和商业化落地。未来，国产GPU有望在算力自主可控方面取得更大进展，成为全球AI算力市场的重要力量。